随着经济发展和互联网普及,物流配送在推进社会发展和提高生活质量上起着重要作用。运用科学管理的原则和方法来提高物流配送效率,无论对于企业或客户、还是社会都有益处。物流配送中最重要的一环是“最后一公里”,其通过物流服务将企业和客户联系起来,物流企业需要结合实际情况,通过合理的使用资源,以达到降低企业成本、提高服务效率的目标。本文主要研究的是城市物流配送中的随机多目标车辆路径优化问题,建构以经济成本和时间成本最小化为目标的随机车辆路径模型,从问题分析、模型构建、算法设计和结果分析等四个步骤对此问题开展全面研究和深入分析。首先,结合物流业近几年发展的状况和形势,分析出“最后一公里”问题影响着企业服务效率的提高,因此,提出合适的研究理论和方法十分重要。回顾和总结了近几年国内外在“最后一公里”研究领域的重点问题,发现很多模型都简化处理,忽视了多目标决策和不确定性因素。因此本文结合带时间窗的车辆路径问题,提出了随机多目标车辆路径优化问题。其次,在模型构建的过程中,考虑软时间窗的特征,从物流企业的角度以经济效益和时间效益作为模型的目标,分析了配送环节中不确定的信息,引入随机旅行时间和随机服务时间,使用蒙特卡洛算法的理论,将随机变量转化为确定性变量,进而构造出随机多目标车辆路径优化模型。在求解方面,本文采用基于分解的多目标优化算法,并在此基础上使用禁忌搜索规则加以改进,提高了算法在局部搜索方面的能力,对比标准的MOEA/D和NSGAⅡ算法,此算法从收敛性和分布性都优于对比算法。最后,设计数值实验并求解不同情景下的车辆配送方案,分析了在无随机因素影响、随机因素影响小和随机因素影响大的情景下,多目标车辆路径优化模型的求解结果和配送方案。通过对几种随机情景的分析,得出时间效益受随机因素的影响很大,而经济效益受影响很小。对比分析企业的不同选择策略,即时间效益优先、经济效益优先和均衡效益优先,得出经济效益优先的配送方案在车辆运输距离、车辆载重利用率、车辆等待时间和延迟时间上表现更为优异,相较另两种配送方案更具竞争力。